<meta http-equiv="Content-Type" content="text/html; charset=UTF-8" />
안녕! JMP 팬 및 전문가
로지스틱 회귀, 파티션 및 신경망 모델 cmparising에서 오분류율은 어떤 모델이 더 나은지 아닌지를 결정하는 중요한 척도로 작용합니까? 내 이해로는 오분류율 값이 작을수록 모델이 더 좋아집니다. 그러나 다음과 같은 경우에 혼란스러워했습니다. 첫 번째 경우에는 큰 것이 좋다는 말을 들었고, 두 번째 경우에는 작은 것이 좋다는 말을 들었습니다.
JMP 팬과 전문가, 누가 이 문제를 해결해 줄 수 있습니까? 그리고 그 시나리오에 대해 더 많은 해석을 해주세요.
1. 첫 번째 경우
2. 두 번째 경우
각 테이블과 관련된 내러티브를 생성하기 위해 일종의 '전문가' 시스템을 사용하고 있습니까? 두 번째 사례는 분명히 JMP Pro 모델 비교 플랫폼의 JMP 관련 출력입니다. 사례 #1의 그림을 생성한 분석 패키지가 무엇인지 명확하지 않습니다.
그래도 이 질문을 해본 결과, 적어도 하나의 경우에 '최상의' 모델을 결정하는 데 사용되는 결정적인 기준은 오분류율이 아니라 AICc 통계입니다. AICc 통계는 '낮을수록 좋음' 회귀 진단 중 하나입니다. 따라서 해당 모델의 AICc가 가장 낮기 때문에 시스템에서 해당 모델을 '최고'로 선택합니다.
약간의 일반 회귀/모델링 진단 해석 자습서가 이어집니다. 나는 '최상의' 모델을 결정하기 위해 단일 회귀 진단 측정, 플롯 또는 추정치를 절대 사용하지 않을 수 있을 때마다 옥상에서 비명을 질렀습니다. 모든 모델링 문제가 끝날 때마다 나는 의사 결정자들이 항상 "실제 문제를 가장 잘 해결하는 데 도움이 되는 모델은 무엇입니까? 그것은 당신이 선택해야 하는 모델입니다...가장 높은 R**2, F-비, AICc 또는 가장 매력적으로 보이는 잔차 플롯이 있는 모델이 아니라...또는 다른 수학적/그래픽 구성이 아닙니다.
특히 분류 유형 문제에서... 오분류의 다양한 범주에 대해 종종 매우 다른 실질적인 결과가 있습니다... 오분류율은 모든 오분류의 합입니다. 암 진단을 하나의 예로 생각하십시오... 위음성 또는 위양성에 대한 매우 다른 결과. 따라서 오분류 범주 중 하나의 실용적인 결과를 최소화하는 '최상의' 모델을 선택할 수 있습니다.
